基于机器学习算法预测香蕉产量

文献类型： 中文期刊

第一作者： 黄思豪

作者： 黄思豪;王丽霞;刘永霞;姜成君;宋可欣;赵艳;何应对

作者机构：

关键词： 香蕉;土壤养分;产量预测;机器学习;SHAP

期刊名称： 热带生物学报

ISSN： 1674-7054

年卷期： 2025 年 16 卷 001 期

页码： 21-30

摘要： 基于机器学习算法对皇帝蕉产量进行预测，明确最优预测模型及产量影响因素，为海南省澄迈县皇帝蕉的养分综合管理及产量预测等提供技术支撑。结合相关性分析和逐步回归分析法对输入变量进行筛选，然后采用随机森林（RF）、支持向量机（SVM）、K近邻（KNN）和人工神经网络（ANN）4种机器学习算法建立皇帝蕉产量预测模型，利用Shapley加法解释（SHAP）法解释模型，揭示影响皇帝蕉产量的主导因素，并量化分析其对产量的影响。结果表明：ANN模型预测性能最佳，R2为0.98,RMSE和MAE分别为0.16和0.10 kg·株-1，预测值基本无偏差。ANN模型在100样本数据量左右下误差已得到收敛，更小的成本也能获得优良预测效果。虽然SVM模型预测性能只是稍差于ANN模型，但其有欠拟合风险。KNN和RF模型预测性能欠佳，有过拟合问题，且在当前样本量下误差还没收敛。SHAP法对ANN模型预测结果解释是：速效钾、碱解氮、交换性钙、交换性镁是影响皇帝蕉产量的主导因素，当蕉园速效钾含量大于100 mg·kg-1，碱解氮含量大于100 mg·kg-1，交换性钙含量大于600 mg·kg-1，交换性镁含量大于60 mg·kg-1时对皇帝蕉产量起促进作用。在土壤交换性钙、镁缺乏时，增加土壤有效锰、有效锌的含量可能会缓解蕉园缺素胁迫。

分类号： S668.1

  • 相关文献

[1]基于多特征选择的鲜食玉米需水量预测及可解释性分析. 李晶晶,张钟莉莉,闫华,郑文刚,李腾,阚晓晴. 2025

[2]基于多源遥感数据和机器学习算法的冬小麦产量预测研究. 甘甜,李雷,李红叶,宋成阳,谢永盾,陶志强,肖永贵,孟亚雄. 2022

[3]基于多种机器学习的海南热带作物产量预测. 马艺文,禹萱,李振宇,李海亮. 2025

[4]减量施氮对蕉园土壤养分、农艺性状及产量的影响. 何应对,王丽霞,井涛,刘永霞,丁哲利,韩丽娜,王必尊. 2016

[5]施用不同品种硅钙钾镁肥对香蕉产量、品质及土壤养分的影响. 涂玉婷,彭智平,黄继川,陈剑秋,林志军,吴雪娜,杨林香. 2019

[6]不同种植模式对香蕉根区土壤养分及可培养微生物数量的影响. 王丽霞,井涛,殷晓敏,苏璐,王必尊,李敬阳,何应对. 2020

[7]不同耕作措施对香蕉园土壤微量元素养分的影响. 丁熙,王必尊,丁哲利,刘永霞,井涛,何应对. 2016

[8]东北黑土区玉米产量时空演变规律及其驱动因素. 杨兆鹏,马秋梅,邬磊,李建兵,曲潇琳,崔萌,徐明岗,张文菊. 2025

[9]基于冠层归一化植被指数预测双氰胺配施后的芝麻产量. 柳开楼,胡惠文,胡志华,李大明,周利军,黄庆海,余喜初,叶会财,徐小林,王赛莲. 2016

[10]沧州金丝小枣的产量及品质预报. 樊志和,李晓芝,周人纲. 1993

[11]利用航空成像光谱数据进行冬小麦产量预测. 宋晓宇,王纪华,刘良云,薛绪掌,赵春江. 2004

[12]云南粮食产量预测. 朱秀峰,陈瑞林. 1990

[13]作物生长模型的适用性评价及冬小麦产量预测. 王伟,黄义德,黄文江,李存军,王娴. 2010

[14]马尔可夫链在吉林省高粱单产年景预测中的应用. 王江红,石贵山,刘红欣,周紫阳. 2011

[15]2012年10月国内外饲料市场分析. 朱增勇,张利宇. 2012

[16]咸水灌溉下设施番茄水盐生产函数构建及产量预测. 吴奇峰,郑国玉,辛朗,梁亚康,王之风. 2024

[17]2019年国内外天然橡胶产销形势. 莫业勇,杨琳. 2020

[18]融合多源时空数据的冬小麦产量预测模型研究. 王来刚,郑国清,郭燕,贺佳,程永政. 2022

[19]2013年10月国内外饲料市场分析. 朱增勇,毕颖慧. 2013

[20]CropSyst模型在区域冬小麦产量模拟中的应用. 黄青,陈仲新,刘航,滕飞. 2018

作者其他论文 更多>>

微信小程序